DenseNet

Ez a cikk azt ismerteti, hogyan használhatja a DenseNet összetevőt az Azure Machine Learning designerben képbesorolási modell létrehozásához a Densenet algoritmus használatával.

Ez a besorolási algoritmus felügyelt tanulási módszer, és címkézett képkönyvtárat igényel.

Megjegyzés

Ez az összetevő nem támogatja a studióban az Adatcímkézésből létrehozott címkézett adathalmazt, de csak a Konvertálás képkönyvtárba összetevőből létrehozott címkézett képkönyvtárat támogatja.

A modellt betaníthatja úgy, hogy megadja a modellt és a címkézett képkönyvtárat bemenetként a Pytorch-modell betanítása számára. A betanított modell ezután a Score Image Model használatával előrejelezheti az új bemeneti példák értékeit.

További információ a DenseNetről

A DenseNetről további információt a Sűrűn csatlakoztatott konvolúciós hálózatok című kutatási tanulmányban talál.

A DenseNet konfigurálása

1. Adja hozzá a DenseNet összetevőt a folyamathoz a tervezőben.

2. A Modell neve mezőben adja meg egy bizonyos DenseNet-struktúra nevét, és a támogatott DenseNet-hálózatok közül választhat: "densenet121", "densenet161", "densenet169", "densenet201".

3. Előre betanítottként adja meg, hogy az ImageNeten előre betanított modellt szeretne-e használni. Ha be van jelölve, finomhangolhatja a modellt a kiválasztott előre betanított modell alapján; ha nincs bejelölve, a nulláról is betanulhat.

4. Memóriahatékonyság esetén adja meg, hogy az ellenőrzőpontozást használja-e, ami sokkal memóriahatékonyabb, de lassabb. További információ: A DenseNets memória-hatékony implementálása című kutatási tanulmány.

5. Csatlakoztassa a DenseNet-összetevő , a betanítás és az érvényesítési rendszerkép adathalmaz-összetevőjének kimenetét a Pytorch-modell betanításához.

6. Küldje el a folyamatot.

Results (Eredmények)

A folyamatfuttatás befejezése után a modell pontozáshoz való használatához csatlakoztassa a Pytorch-modell betanítása a képmodell pontozásához az új bemeneti példák értékeinek előrejelzéséhez.

Technikai megjegyzések

összetevőparaméterek

Name	Tartomány	Típus	Alapértelmezett	Description
Modell neve	Bármelyik	Mód	densenet201	Egy bizonyos DenseNet-struktúra neve
Előre betanított	Bármelyik	Logikai	Igaz	Az ImageNeten előre betanított modell használata
Memória hatékonyan	Bármelyik	Logikai	Hamis	Érdemes-e ellenőrzőpontozást használni, ami sokkal memóriahatékonyabb, de lassabb

Kimenet

Név	Típus	Description
Nem betanított modell	Nem betanítottModelDirectory	Nem betanított DenseNet-modell, amely csatlakoztatható a Pytorch-modell betanításához.

Következő lépések

Tekintse meg az Azure Machine Learning számára elérhető összetevőket .